Usability of a Personal Air Pollution Monitor: Design-Feedback Iterative Cycle Study
Notice bibliographique
Résumé
BACKGROUND: There is considerable evidence that exposure to fine particulate matter (PM2.5) air pollution is associated with a variety of adverse health outcomes. However, true exposure-outcome associations are hampered by measurement issues, including compliance and exposure misclassification. OBJECTIVE: This paper describes the use of the design-feedback iterative cycle to improve the design and usability of a new portable PM2.5 monitor for use in an epidemiologic study of personal air pollution measures. METHODS: In total, 10 adults carried on their person a prefabricated PM2.5 monitor for 1 week over 3 waves of the iterative cycle. At the end of each wave, they participated in a 30-minute moderated focus group and completed 2 validated questionnaires on usability and views on research. The topics addressed included positives and negatives of the monitor, charging and battery life, desired features, and changes to the monitor from each previous wave. They also completed a log to record device wear time each day. The log also provided space to record any issues that may have arisen with the device or for general comments during the week of collection. RESULTS: The major focus group topics included device size, noise, battery and charge time, and method for carrying the device. These topics formed the basis of iterative design changes; by the final cycle, the device was reasonably smaller, quieter, held a longer charge, and was more convenient to carry. System usability scores improved systematically across each wave (median scores of 50-66 on a 100-point scale), as did median daily wear time (approximately 749-789 minutes). CONCLUSIONS: Both qualitative and quantitative measures showed an improvement in device usability over the 3 waves. This study demonstrates how the design-feedback iterative cycle can be used to improve the usability of devices manufactured for use in large epidemiologic studies on personal air pollution exposures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,067 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».